Maßgeschneiderte Entscheidungsplattform, die ein FinTech bei der Skalierung unterstützt
Verdoppelung der monatlich nachgefragten und bearbeiteten Angebote auf bis zu 2 Millionen
Die Kosten für die Kreditbearbeitung wurden um 50 % gesenkt
No-Code-Lösung für flexible Geschäftslösungen, basierend auf Machine Learning
Projekt Kurzbeschreibung
Die Lösung ist eine flexible „No-Code”-Entscheidungsplattform, die die Bearbeitungszeit und Kosten für die Kreditbearbeitung reduziert und gleichzeitig die Anzahl der monatlichen Kreditanfragen verdoppelt.
Profinit hat eine flexible No-Code-Entscheidungsplattform bereitgestellt, die die alte Lösung problemlos ersetzt hat. Die Experten von Profinit haben unsere Business-Analysten und Tester in der Nutzung der Plattform trainiert und die Entwicklung und Wartung an unser internes Anwendungsteam übergeben.
Petr Luksan
COO & Mitglied des Verwaltungsrats
Projekt-Hintergrund
Amplifi Capital, Gewinner des Scale-up of the Year of Fintech Awards 2024 in London, ist einer der erfolgreichsten „near-prime loan“ Anbieter im Vereinigten Königreich.
In Erwartung einer steigenden Zahl von Kreditanfragen wurde der gesamte Genehmigungsprozess überprüft. Dabei wurde festgestellt, dass die bisher eingesetzte Kreditentscheidungslogik (Decision Engine) auf Basis einer Box-Lösung die zukünftigen Geschäftsanforderungen möglicherweise nicht adequat unterstützen würde.
Um das erwartete Wachstum zu unterstützen und sich einen Vorteil gegenüber den Mitbewerbern auf dem britischen Markt zu verschaffen, hat sich der Kunde dafür entschieden, weniger abhängig von den Kapazitäten und der Roadmap des Anbieters zu sein. Er entschied sich, das Preismodell selbst in die Hand zu nehmen, und wollte flexibler sein, wenn es darum ging, neue externe und interne Dienstleistungen in den Entscheidungsprozess einzubeziehen.
Business-Anforderungen
Die Lösung musste folgende Anforderungen erfüllen:
- Bearbeitung einer großen Anzahl von Kreditanfragen
- Reduzierung der Kreditbearbeitungdskosten
- Unterstützung einer schnelleren Time-to-Market bei Änderungen der Entscheidungslogik
- Bereitstellung einer flexiblen Lösung, die die Integration fortschrittlicher Entscheidungsprozesse mithilfe von Machine Learning ermöglicht
Herausforderung
Der Markt für Privatkredite ohne Sicherung ist in Großbritannien sehr wettbewerbsintensiv. Da der Endkunde in der Regel Dutzende von Online-Kreditangeboten in Echtzeit erhält, hängt der Erfolg des Kreditinstituts von einer blitzschnellen und fehlerfreien Datenauswertung ab.
Die größte Herausforderung des Projekts bestand darin, einen reibungslosen Übergang von der alten auf die neue Lösung zu gewährleisten. Da Zeit ein kritischer Faktor war, wurde beschlossen, dass vorhandene Backbone-System unverändert zu belassen, sodass die neue Lösung auf Datenebene vollständig mit der gesamten Umgebung kompatibel sein musste. Die Entscheidungslogik wurde umfangreichen Tests unterzogen, um sicherzustellen, dass sie die gleichen Ergebnisse wie die alte Lösung liefert.
Lösung und Ergebnisse
Der wesentliche Teil der Lösung ist eine flexible Applikation, die Business-Analysten die Erstellung und Anpassung der Entscheidungslogik ermöglicht, ohne dass IT-Spezialisten involviert werden müssen. Durch den Einsatz eines No-Code-Ansatzes können Business-Analysten neue Versionen der Entscheidungslogik schnell, effizient und reaktiv veröffentlichen und notwendige Änderungen an der Entscheidungslogik durchführen.
Die Zeit bis zur Markteinführung von Änderungen an der Entscheidungslogik wurde durch die Einführung automatisierter Tests weiter verkürzt. Dabei werden Hunderte von Testdatensätzen verwendet, um die Qualität jeder Lieferung zu überprüfen.
Darüber hinaus hat die Implementierung die Produkteinführung beschleunigt. Die alte Decision-Engine mit über 2500 Entscheidungsschritten wurde erfolgreich außer Betrieb genommen. Die Verwendung von Modellen des maschinellen Lernens vereinfachte die Entscheidungslogik, was zu Kosteneinsparungen bei externen Dienstleistungen und zu kürzeren Reaktionszeiten für Darlehensaggregatoren führte, wodurch die durchschnittliche Reaktionszeit von 5 auf 2 Sekunden verkürzt werden konnte.
Mit der neuen Lösung konnte Amplifi die Anzahl der Anfragen von 1 Million pro Monat auf über 2 Millionen pro Monat steigern, ohne dass es zu Performance-Problemen kam.
Tech stack
- Einsatz einer Vielzahl fortschrittlicher Technologien für robuste Lösungen
- Kombination moderner Programmiersprachen wie Java mit AWS-Cloud-Services und CI/CD-Tools
- Garantiert Skalierbarkeit, Zuverlässigkeit und Effizienz
Könnte Ihr Unternehmen vom Zugang zu einer ähnlichen maßgeschneiderten Entscheidungsplattform profitieren?
Profinit verbessert die Art und Weise, wie Unternehmen Daten intern nutzen und darauf zugreifen. Wir zeigen Ihnen wie.
Weitere Erfolgsgeschichten und Lösungen
Česká spořitelna (Erste Group) Prognosen-Berechnung gegen Betrugsversuche
Profinit half der Erste Group dabei, die Betrugserkennung extrem zu beschleunigen – durch die Analyse von 1,5 Milliarden Transaktionen pro Tag.
Mehr erfahren
Raiffeisenbank Knowledge Base KI-Assistent
Die KI-Assistent-Lösung steigert die Mitarbeiterproduktivität, indem sie über Abfragen in natürlicher Sprache auf die Informationsdatenbank zugreift und passende Antworten in Echtzeit liefert.
Mehr erfahren
Raiffeisenbank Konsolidierung von Konkurrenz-Krediten
So unterstützte Profinit die Raiffeisenbank CZ dabei, doppelt so viele Kreditvergaben durch Konkurrenz-Banken zu erkennen – und betroffene Kunden davon zu überzeugen, ihre Kredite bei der “kundenfreundlichsten Bank” zusammenzulegen.
Mehr erfahren